Den grønne kurve viser ‘Moores lov’ om væksten i antallet af transistorer i computerchips. Den er grundlaget for en påstand om, at generelle, skalerbare metoder er mere effektive end at bruge menneskelig tankevirksomhed på at forfine modellerne bag kunstig intelligens. Påstanden finder opbakning i den måde, hvorpå programmet AlphaGo Zero har lært sig selv at spille Go. Og i successen for proteinfoldningsprogrammet AlphaFold 2.
Den grønne kurve viser ‘Moores lov’ om væksten i antallet af transistorer i computerchips. Den er grundlaget for en påstand om, at generelle, skalerbare metoder er mere effektive end at bruge menneskelig tankevirksomhed på at forfine modellerne bag kunstig intelligens. Påstanden finder opbakning i den måde, hvorpå programmet AlphaGo Zero har lært sig selv at spille Go. Og i successen for proteinfoldningsprogrammet AlphaFold 2.

Foto : Ingeniøren

Måske tænker computere bare bedre uden vores hjælp

Tag mennesket ud af modellen: Ny forskning indikerer, at det væsentligste succesparameter for kunstig intelligens ikke er selve computermodellen, men kolde træningsdata og rå computerkraft.
GPT-3 kan skrive tekster, AlphaGo Zero kan spille Go, og AlphaFold 2 kan folde proteiner. Tre eksempler fra den nyeste forskning i kunstig intelligens (AI) på simple, minimalt forudindtagede modeller trænet på enorme mængder data og med enorme mængder computerkraft.
Vil du have fuld adgang til DataTech?

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra Machine Learning-modeller til dataetik.

Prøv DataTech gratis

DataTech giver dig ny viden, cases og erfaringer med at lykkes med AI og data science i praksis. Få 3 ugers gratis og uforpligtende prøveabonnement

Klik her